没有合适的资源?快使用搜索试试~ 我知道了~
介绍了点云的基础知识。点云软件CloudCompare和meshlab的安装与使用。点云PCL库的使用。点云深度学习pointnet++实现等点云处理技术。
资源推荐
资源详情
资源评论
点云手册(入门级)
学习引入
第一章 点云基础知识
什么是点云?
点云视图
点云的特点:
如何获取点云?
真实点云和虚拟点云:
点云数据集:
点云的应用:
参考文献:
第二章 点云软件
2-1 :CloudCompare
2-1-1:下载并安装
2-1-2:打开文件并视图
打开文件的方法:
Q&A:
Bounding Box:
可以在 CloudCompare 中打开的文件
在 CloudCompare 中视图:
旋转、平移、放大/缩小
正交视图和透视视图
快速查看不同角度视图:
2-1-3 :读取文件内部信息
2-1-4:设置颜色
改变画布背景颜色:
改变点云颜色:
PCD 等只存储点的信息的文件:
PLY 等可以存储点和拓扑信息的文件:
设置 Bounding Box 颜色:
2-1-5:点云切割
方法一:该方法主要使用于对点云进行大面积修剪
方法二:该方法主要用于对点云进行精细修剪
补充内容:旋转平移改变点云坐标
2-1-6:降采样
Random:
Space:
Octree:
2-1-7:重采样
2-1-8 :计算距离
Cloud-to-Cloud Distance:
Cloud-to-Mesh Distance:
2-1-9:计算法线
计算点云法线:
计算 mesh (VTK 等文件类型保存的网格模型) 法线:
反转法线方向:
清除法线:
2-1-10:生成自定义几何元件
2-1-11:根据几何元件拟合点云
2-1-12 :点云配准
Registration 的准备:
Registration:
Registration 的结果:
2-1-13:合并点云
2-2 :MeshLab
2-2-1:下载并安装:
2-2-2:设置背景颜色:
2-2-3:打开文件:
MeshLab 打开文件
拓扑关系:
可以打开的文件格式:
2-2-4:mesh 化点云
step1:
step2:
step3:
step4:
两种不同的视图:
2-2-5:MeshLab 基础操作
解读界面信息:
调整查看视图:
查找相关操作:
2-2-6:MeshLab 可视化
光线:
Bounding Box:
Points:
Wireframe:
2-2-7:点云降采样:
2-2-8:选取和删除
选取部分区域:
删除部分区域:
2-2-9: 拓扑和几何信息的读取
拓扑信息:
几何信息:
参考文献:
第三章 点云文件格式
3-1:PCD 文件
PCD 文件(Point Cloud Data)
有序点云和无序点云:
3-2 :TXT 文件
背景:
TXT 文件内容:
TXT 文件特点:
3-3 :VTK 文件
VTK简介:
拓扑关系:
VTK 文件视图以及说明:
3-4 :PLY 文件
PLY 视图:
PLY 文件内部:
3-5:OFF 文件
OFF 文件内部:
示例一:
示例二:
3-6:OBJ 文件
OBJ 常见关键字:
OBJ 文件内部:
OBJ 文件视图:
3-7:STL 文件
ASCII:ASCII 编码的 stl 文件内容:
Binary:binary 编码的 stl 文件内容(了解):
3-8:不同文件格式的转化
代码转化:
软件转化:
参考文献:
第四章 Point Cloud Library
4-1 :Point Cloud Library 简介
4-2:环境配置
4-2-1 :PCL1.9.1 在 VS 2017 的配置
VS 2017
PCL 1.9.1
PCL 1.9.1 下载
PCL 1.9.1 安装
PCL 1.9.1 环境配置
4-2-2:利用 cmake 进行代码编译
步骤 1:见 [4-2-1](# —— VS 2017)
步骤 2:见 [4-2-1](# —— PCL 1.9.1)
步骤 3:下载并安装 cmake
step 3-1:
step 3-2:
步骤 4:利用 cmake 进行代码编译
step 4-1:
step 4-2:
step 4-3:
step 4-4:
step 4-5:
step 4-6:
step 4-7:
4-3 : I/O
4-3-1 : 如何读取 pcd 文件:
实例:
4-3-2 :如何写入 pcd 文件:
实例:
4-3-3 :如何连接两个 pcd 文件:
分类:
实例:
4-3-4 :TXT 与 PCD 文件的相互转换:
TXT 转换为 PCD:
PCD 转换为 TXT:
4-4 :Range Image
4-4-1:Range Image 基础:
4-4-2:如何从点云中创建 Range Image:
实例:
4-4-3 : 如何从 Range Image 中提取边界:
实例:
4-5 :Keypoints
4-5-1 : NARF 简介:
NARF:
算法步骤[17]:
4-5-2 : 如何从深度图像中提取 NARF 关键点:
实例:
4-6 :Feature
4-6-1:估计一个点云的表面法线:
法线概念:
法线的应用:
法线可视化:
法线计算原理:
实例:
4-6-2:使用积分图进行法线估计:
积分图:
实例:
4-6-3:点特征直方图描述子(PFH descriptors):
直方图:
PFH 计算原理:
实例:
4-6-4 : 快速点特征直方图描述子(FPFH descriptors):
FPFH 计算原理:
实例:
FPFH 与 PFH 之间的区别[21]:
4-6-5 : 估计一个点云的 VFH 特征:
VFH 简介:
VFH 的应用:
实例:
4-7:Registration
背景介绍:
配准的大体思路:
4-7-1 : PCL 中与配准相关的概念:
① 两两配准(pairwise registration):
② 对应估计(correspondences estimation):
③ 对应关系去除(correspondences rejection):
④ 变换矩阵估算(transformation estimation) :
4-7-2 :迭代最近点(ICP)算法:
迭代最近点算法(Iterative Closest Point,简称 ICP 算法):
实例:
4-8 :Search
4-8-1:Nearest Neighbor Search(NNS):
K-NN:
Fixed Radius-NN:
4-8-2:Binary Search Tree(BST):
BST 概念:
BST 规则:
BST 计算:
4-8-3 : Kdtree:
Kdtree 概念 :
Kdtree 构建 :
Kdtree 搜索 :
4-8-4 : Octree:
Octree 概念:
Octree 特点:
Octree 搜索:
4-9 : Filtering
4-9-1 : PassThrough Filter:
概念:
实例:
4-9-2 : VoxelGrid Filter:
概念:
实例:
4-9-3 : Statistical Filter:
概念:
实例:
4-9-4 :Radius Filter:
概念:
实例:
4-10 :Segmentation:
背景介绍:
分割的应用场景:
4-10-1 :基于随机采样一致性分割 :
随机采样一致性 Random Sample Consensus(RANSAC):
RANSAC 步骤[44]:
基于 RANSAC 的点云分割:
实例一:平面模型分割
实例二:圆柱体模型分割
4-10-2 :聚类分割 :
定义:
原理:
实例:
4-11:Surface Reconstruction(表面重建):
4-11-1:表面重建概念及算法:
概念:
现有表面重建算法(surface reconstruction algorithms):
一、Ear Clipping 三角化算法:
二、贪婪投影三角化算法(Greedy Projection Triangulation):
三、移动立方体算法(Marching Cubes Algorithm):
四、泊松曲面重建算法(Poisson Surface Reconstruction):
4-11-2:基于 MLS (Moving Least Squares )的点云平滑重采样 :
情况一:
情况二:
实例:
4-11-3:无序点云的快速的三角化 :
原理:
实例:
附录:
4.3.1:如何读取 PCD 文件:
4.3.2:如何写入 PCD 文件:
4.3.3:如何连接两个 PCD 文件:
4.3.4:TXT 向 PCD 转换:
4.3.4:PCD 向 TXT 转换:
4.4.2:如何从点云中创建 Range Images:
4.4.3:如何从 Range Image 中提取边界:
4.5.2:如何从 Range Image 中提取 NARF 关键点:
4.6.1:估计一个点云的表面法线:
4.6.2:使用积分图进行法线估计:
4.6.3:点特征直方图描述子(PFH descriptors):
4.6.4:快速点特征直方图描述子(FPFH descriptors):
4.6.5:估计一个点云的 VFH 特征:
4.7.2:如何使用迭代最近点(ICP)算法:
4.8.3:Kdtree:
4.8.4:Octree:
4.9.1:Passthrough:
4.9.2:VoxelGrid:
4.9.3:Statistical:
4.9.4:Radius:
4.10.1:基于 RANSAC 的分割(平面模型):
4.10.1:基于 RANSAC 的分割(圆柱模型):
4.10.2:聚类分割:
4.11.2:基于 MLS 的点云平滑重采样:
4.11.3:无序点云的快速三角化:
参考文献:
第五章 聚类 (Clustering)
5-1 :K-Means:
定义:
具体步骤:
K-Medoids:
K-Means 与 K-Medoids 的优缺点:
5-2 :GMM:
定义:
算法流程:
GMM 特点(了解即可):
5-3:Spectral Clustering:
定义:
Spectral Clustering 中用到的矩阵:
未归一化的 Spectral Clustering 步骤:
归一化的 Spectral Clustering 步骤 (用 ):
归一化与未归一化 Spectral Clustering 的区别:
Spectral Clustering 特点:
5-4:Mean shift & DBSCAN:
Mean shift:
Mean shift 步骤:
Mean shift 特点:
基于密度的空间带噪聚类法 Density-Based Spatial Clustering of Applications with Noise(DBSCAN)
DBSCAN 具体步骤:
Core point & Border point & Noise:
DBSCAN 特点:
参考文献
第六章 点云中的深度学习
6-1:Introduction:
L
rw
剩余322页未读,继续阅读
资源评论
AIVoyager
- 粉丝: 176
- 资源: 3
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功